RagOps MCP 服务集合

使用说明要点（Markdown 格式）：

• 项目简介 RagOps MCP 服务集合是一组实现“模型上下文协议”（MCP）的后端服务器，专门用于为大语言模型客户端提供统一的上下文能力，包括资源管理、外部工具执行以及提示模板渲染。该实现包含若干独立的 MCP 服务器与一个统一的 MCP 服务端，用于集中化管理和执行工具、查询向量存储、读取文档等任务，并支持多种传输协议。
• 主要功能点
  • 资源与数据托管：提供对文档、文本等资源的管理与访问接口，支持多种数据源和格式的处理。
  • 工具注册与执行：注册各类工具并支持 LLM 调用外部功能（本地工具、MCP 客户端工具等），返回结构化结果，支持异常处理与取消。
  • Prompts 与模板：定义与渲染提示模板，支持按需渲染、上下文注入与自定义交互模式。
  • MCP 服务端与客户端解耦：通过 JSON-RPC 进行通信，服务器端处理会话、能力声明，并对外提供统一入口（Unified MCP Server）。
  • 多传输协议支持：包括本地 STDIO、WebSocket、SSE 等传输协议，使 MCP 能够在多种环境中工作。
• 安装步骤
  1. 克隆仓库或安装包后进入项目根目录。
  2. 安装依赖并确保 Python 环境可用。
  3. 根据需要分别启动各内置 MCP 服务器，或直接运行统一的 MCP 服务端。
  4. 使用 MCP 客户端连接到服务器，获取工具、资源和 Prompt 等上下文服务。
• 服务器配置（JSON 形式，用于 MCP 客户端连接 MCP 服务器的描述信息；注意：MCP 客户端仅需要知道启动命令和参数，下面的示例仅用于描述性配置） 服务器名称（server）: ragops-mcp 启动命令（command）: donkit_ragops_mcp 启动参数（args）: ["--transport","stdio"] 说明：实际环境中可根据需要配置不同的 MCP 服务器及参数，如 ragops-rag-planner、ragops-read-engine、ragops-chunker、ragops-vectorstore-loader、ragops-compose-manager、ragops-rag-query、rag-evaluation 等。还可通过统一的 RagOps MCP 服务端进行聚合管理。
• 基本使用方法
  • 启动统一的 MCP 服务端后，MCP 客户端通过指定 server 名称、启动命令及参数，建立与 MCP 服务端的连接。
  • 客户端发送读取资源、调用工具、获取 Prompt 等请求，MCP 服务端按约定返回 JSON-RPC 响应或通知。
  • 服务器端负责会话管理、能力声明、以及对外暴露的工具入口。